2.3.2缺失值清洗：確定缺失值范圍 ， 去除不需要字段 ， 填充缺失內(nèi)容
2.3.3格式內(nèi)容清洗：根據(jù)元數(shù)據(jù)格式和后續(xù)分析需要的格式對數(shù)據(jù)進行處理
timestamps字段是時間戳字符類型 ， 而后面要做存留分析和用戶活躍時間段需要用到時間戳中的日期字段和時間字段 ， 在這里需要提前分下列 。
2.3.4邏輯錯誤清洗去除重復(fù)值 ， 異常值
——去除重復(fù)值：并把用戶ID,商品ID ， 時間戳設(shè)置為主鍵
——異常值處理：查詢并刪除2017年11月25日至2017年12月3日之外的數(shù)據(jù)
剔除不在本次分析范圍的數(shù)據(jù)
查詢并刪除小于2017-11-25的
——驗證數(shù)據(jù)：
2.4描述分析：2.4.1這個數(shù)據(jù)集中用戶的日活躍和周活躍時間有什么規(guī)律嗎？——分析思路：
從“時間戳“字段中抽取出“日期”和“小時”的數(shù)據(jù) ， 創(chuàng)建一個“活躍時間”字段 ， 并從“行為類型”中用分組方式把用戶的“瀏覽”“收藏”“加購物車”“購買”行為抽離出來 ， 組成一個視圖表 ， 導(dǎo)出到Excel中用透視表分析用戶的日活躍規(guī)律和周活躍規(guī)律 。
——SQL提數(shù)：
增加活躍時間字段
查詢用戶 活躍時間分布 ， 并創(chuàng)建視圖
——Excel可視化：
活躍曲線整體為上升狀態(tài) ， 同為周六日 ， 12月2號 ， 3號相比11月25日 ， 26日活躍度更高 。
是否是用戶增長帶來的？
用戶在周六周日相比其他時間更活躍（周六周日為休息日 ， 用戶有更多時間）
一天內(nèi)用戶活躍的最高峰期為21點（用戶在這個時間段空閑較多）
正常工作職場工作者的睡前時間 ， 996的應(yīng)該也下班啦~
2.4.2在當日活躍的用戶次日 ， 三日 ， 四日……還有多少活躍？——分析思路：
用戶存留的分析可以分為“新用戶存留”和“活躍用戶存留”
新用戶存留一般指：新注冊用戶在一定時間周期內(nèi)還會不會再登錄
活躍用戶存留需要根據(jù)產(chǎn)品類型和用戶場景選擇“關(guān)鍵行為”和選擇“時間周期”
-關(guān)鍵行為：淘寶作為購物網(wǎng)站 ， 用戶瀏覽 ， 收藏 ， 加購 ， 購買商品與交易行為高度相關(guān)都可作為關(guān)鍵行為 。
-時間周期：淘寶擁有海量的SKU ， 基本可以滿足用戶各方面的需求 ， 理論上用戶每天都有購買需求 ， 時間周期可以按天 。
SO ， 實際上這個問題就是在求 ， 數(shù)據(jù)集第一日在APP有關(guān)鍵行為的用戶在第二天 ， 第三天……還會繼續(xù)在APP中有關(guān)鍵行為的用戶占比
我們需要先列出每用戶每天及當天后面又活躍的日期 ， 用于后面求次日存留 ， 三日存留……
之后按日期對用戶進行分組 ， 并抽取之后9天依然活躍的用戶數(shù)量
最后用活躍用戶表中后續(xù)活躍用戶除首日活躍數(shù)量乘100加%號
——SQL提數(shù)：
列出每用戶每天及當天后面又活躍的日期 ， 并創(chuàng)建“活躍時間間隔表”用于后面求次日存留 ， 三日存留……
對“活躍時間間隔表視圖”引用進行分組統(tǒng)計 ， 計算每日存留人數(shù)并創(chuàng)建視圖
對存留人數(shù)表進行計算 ， 統(tǒng)計活躍用戶留存率
——Excel可視化：
用戶增長：從2017年11月15日致2017年12月3日 ， 活躍用戶新增38%存留增長：從2017年11月15日致2017年12月3日 ， 活躍用戶次日留存增長18.67% ， 當日的活躍用戶留存也在快速增長 ， 第七日留存比次日留存高18.56% 。假設(shè)隨時間增長的留存率提升來源于新dau提升策略的優(yōu)化 ， 后續(xù)存留的提升來源于召回策略的優(yōu)化 。

以上關(guān)于本文的內(nèi)容，僅作參考！溫馨提示：如遇健康、疾病相關(guān)的問題，請您及時就醫(yī)或請專業(yè)人士給予相關(guān)指導(dǎo)!

• 瑜伽菜鳥都想了解的事
• 帶你全面了解抓包技術(shù) 抓包技術(shù)是什么意思
• 附圖文講解 水銀溫度計怎么用
• 讓你更加了解瑜伽
• 半分鐘了解天貓無憂購 天貓無憂購什么意思有運費險嗎
• 讓你更加了解瑜伽的起源和內(nèi)涵
• 5分鐘了解考試全流程 教師資格證怎么考
• 華為手機怎么隱藏應(yīng)用
• 內(nèi)行人認同的智能手機 中國智能手機用戶
• 3分鐘教會 微信公眾號怎么創(chuàng)建